Google把新一轮Gemini升级的重点放在一个更现实的问题上：智能体完成任务时，能否少输出、少绕路、少调用工具。7月21日发布的Gemini 3.6 Flash在官方对比中比3.5 Flash少用17%的输出token，输出价格也从每百万9美元降至7.5美元；与此同时，3.5 Flash-Lite把速度推到每秒350个输出token。对需要持续运行代理工作流的团队，这些变化直接影响账单、延迟和系统稳定性。

三点看懂：这次升级改变了什么

少输出与少循环，为何比单次速度更重要

传统聊天场景通常只计算一次请求的输入和输出，智能体却会拆分任务、调用搜索或代码执行、读取结果，再继续下一轮判断。一个看似不大的冗余，会在几十次工具循环中被放大。Google称，3.6 Flash在Artificial Analysis Index上比3.5 Flash减少17%的输出token；在DeepSWE等部分任务中，降幅最高可达65%。这些数字不能直接套用到所有业务，但它们指出了模型竞争的新指标：完成同一件事需要多少推理和交互。

价格变化进一步强化了这种方向。3.6 Flash输入仍为每百万token 1.5美元，输出降至7.5美元；3.5 Flash-Lite输入为0.3美元，输出为2.5美元。两款模型都支持约100万token输入上下文和最多65536个输出token，并提供函数调用、代码执行、文件搜索、结构化输出与计算机使用等工具。对于企业来说，模型价格只是成本的一部分，工具执行时间、失败重试、上下文膨胀和人工复核同样会进入总账。

基准提升集中在编码、研究与计算机操作

Google公布的对比显示，3.6 Flash在DeepSWE上从3.5 Flash的37%提高到49%，MLE Bench从49.7%升至63.9%，OSWorld-Verified从78.4%升至83.0%。这些结果分别对应软件工程、机器学习研究和计算机操作能力，说明改进目标与智能体常见工作流一致。不过它们仍是特定评测条件下的结果，不能等同于任何代码仓库、桌面环境或企业流程都会获得同样幅度。

Flash-Lite的定位更偏吞吐量。官方引用的第三方测量为每秒350个输出token，并称其在Terminal-Bench 2.1、长上下文和真实任务执行评测中明显领先旧一代。它还允许团队用不同思考等级在速度与复杂任务能力之间取舍：批量解析、路由和分类可以使用较低等级，多步骤子智能体则应提高思考等级，避免过早结束工具链。

开发者迁移时也需要改代码。新模型弃用temperature、top_p和top_k等采样参数，未来继续传入可能触发错误；API也不再接受以预填模型回复结尾的对话。团队若依赖这些方式控制语气或输出格式，需要改用系统指令与结构化输出，并重新测试函数调用、思考等级和多轮状态管理。

真正考验在生产账单，而不是发布表格

这次发布对开发者最直接的意义，是快速模型正在从“便宜的通用问答”变成可以承担主代理工作的生产组件。3.6 Flash已经成为Google部分托管智能体的默认模型，3.5 Flash-Lite则适合放在批处理、文档抽取和大量子任务层。合理组合两者，可能比让单一大模型处理所有步骤更容易控制延迟与预算。

局限同样明确。官方基准与客户案例不能替代独立复测；计算机使用仍标注为预览，真实界面的弹窗、权限和长时间漂移可能拉低成功率。Google还提到，3.6 Flash在功能代码方面进步，但人类评估者对部分视觉布局和样式更偏好旧模型。Cyber版本的受限开放也说明，高能力工具并不会因为模型发布就立即面向所有开发者。

ATYUN编辑判断：Gemini 3.6 Flash最值得关注的不是又多了几个高分，而是Google开始把“少走弯路”量化为模型卖点。智能体进入生产后，单位任务成本、工具循环数量和可恢复性会比单轮回答更重要。接下来应观察真实项目的任务完成成本是否同步下降，以及开发团队为新API规则付出的迁移成本，是否会抵消模型端节省的token。